[发明专利]一种面向多云管理场景的云资源最优分配方法

权利要求书

1.一种面向多云管理场景的云资源最优分配方法，其特征在于，该方法包括如下步骤：

S1、系统收到虚拟机资源请求，该请求直接传递给资源分配模型；

S2、资源分配模型受到资源请求后，向实时监控模块发出采集数据申请，由实时监控模块采集当前时间各服务器集群在各维度资源上的使用情况，维度包括CPU、内存、磁盘和运行时间，并将该信息发送给资源分配模型；

S3、资源分配模型依据虚拟机资源申请量和集群资源的实时使用情况，采用粒子群优化算法进行资源分配方案的求解计算，得出最优资源分配方案。

2.如权利要求1所述的面向多云管理场景的云资源最优分配方法，其特征在于，资源分配模型具体描述如下：有n个体积不同的虚拟机V_i^k，0=i=n，m个容量不同的服务器P_j^k，1=j=m，目标是用m个服务器的资源占用率η_j^k两两差值的平方和最小，如式（1）所示，从而实现虚拟机所占资源在各个异构服务器上的均匀分配；

目标函数为：

其中：

约束条件：

其中k表示资源类型的维度，分别代表CPU、内存、磁盘和持续运行时间；

式（2）中U_j^k表示当前服务器j在k维使用的资源量，R_j^k表示虚拟机在服务器j上的第k维资源新申请量；

式（3）中V_i^k表示虚拟机i各个维度的资源数值的向量，x_ij表示虚拟机i是否部署在服务器j上的决策变量；

式（4）中C_j表示第j台服务器可使用资源所占服务器总容量的比例。

3.如权利要求2所述的面向多云管理场景的云资源最优分配方法，其特征在于，C_j定为80%，即单台服务器最大可使用资源不能超过服务器总资源的80%。

4.如权利要求2或3所述的面向多云管理场景的云资源最优分配方法，其特征在于，所述S3中粒子群优化算法的求解步骤如下：

S31、随机对种群各粒子位置和速度进行初始化，并采用粒子群优化算法获取粒子的位置向量；

S32、根据当前粒子所处的位置信息，计算式（1）；

S33、重复迭代，更新粒子速度和位置，计算式（1）；

S34、当到达迭代次数阈值后，找到式（1）的最小值，此时各粒子的最优位置向量即为最终的虚拟机放置方案。

5.如权利要求4所述的面向多云管理场景的云资源最优分配方法，其特征在于，所述粒子群优化算法中，假设一个m*n维的搜索空间和一个包含N个粒子的粒子群在其约束条件下搜寻全局最优解，每个粒子包含3个m*n维向量的信息，分别是速度向量S_µ(i)={S_i1,S_i2,…,S_im}，位置向量L_µ(i)={L_i1,L_i2,…,L_im}，和个体最优位置向量G_µ(i)={G_i1,G_i2,…,G_im}，其中i∈(1,n)；种群中粒子群的最优位置向量，表示为G’_µ(i)={G^’_i1,G^’_i2,…,G^’_im}。

6.如权利要求5所述的面向多云管理场景的云资源最优分配方法，其特征在于，速度向量代表了粒子在各个维度上经过的距离，个体最优位置向量是各个粒子各自到达过的最佳位置。